EP2680158A2 - Method for determining a missing value among data collected for a plurality of individuals at a plurality of times - Google Patents
Method for determining a missing value among data collected for a plurality of individuals at a plurality of times Download PDFInfo
- Publication number
- EP2680158A2 EP2680158A2 EP13170953.7A EP13170953A EP2680158A2 EP 2680158 A2 EP2680158 A2 EP 2680158A2 EP 13170953 A EP13170953 A EP 13170953A EP 2680158 A2 EP2680158 A2 EP 2680158A2
- Authority
- EP
- European Patent Office
- Prior art keywords
- estimator
- dynamic
- given
- individual
- static
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D4/00—Tariff metering apparatus
- G01D4/002—Remote reading of utility meters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/60—Arrangements in telecontrol or telemetry systems for transmitting utility meters data, i.e. transmission of data from the reader of the utility meter
Abstract
Description
L'invention concerne la correction des valeurs manquantes dans des courbes de charge, notamment dans le domaine des données de consommation électrique collectées auprès d'individus consommateurs d'électricité, mais également dans le domaine des données de consommation en gaz naturel ou en eau.The invention relates to the correction of the missing values in load curves, in particular in the field of power consumption data collected from electricity consuming individuals, but also in the field of consumption data for natural gas or water.
Récemment, les dispositifs d'acquisition de données installés par les fournisseurs de services électriques permettent de communiquer des données relatives à la consommation de l'individu alimenté en énergie électrique. Avec de tels systèmes, la quantité de courbes de charge disponibles va considérablement s'accroître pour le fournisseur. Il pourrait alors être envisageable d'utiliser des techniques d'échantillonnage pour estimer la consommation totale instantanée à chaque pas, par exemple demi-horaire, au périmètre d'un groupe de clients.Recently, the data acquisition devices installed by the electrical service providers make it possible to communicate data relating to the consumption of the individual supplied with electrical energy. With such systems, the amount of load curves available will increase considerably for the supplier. It may then be possible to use sampling techniques to estimate the instantaneous total consumption at each step, for example half-hour, at the perimeter of a group of customers.
Par exemple, il est connu d'installer un système distribué de gestion pour superviser le fonctionnement de dispositifs d'acquisition de données installés par exemple chez chaque particulier ou entreprise. Chaque système de gestion est un ordinateur qui régit le fonctionnement des dispositifs d'acquisition de données. Chaque dispositif d'acquisition de données comprend de nombreux capteurs propres à surveiller la consommation de chaque particulier ou entreprise, éventuellement de chaque équipement de chaque particulier ou entreprise. Par exemple, le système de gestion peut être relié à des compteurs individuels pour l'électricité, le gaz, l'eau et autres.For example, it is known to install a distributed management system to supervise the operation of data acquisition devices installed for example at each individual or company. Each management system is a computer that governs the operation of the data acquisition devices. Each data acquisition device includes many sensors adapted to monitor the consumption of each individual or company, possibly each equipment of each individual or company. For example, the management system can be linked to individual meters for electricity, gas, water and others.
Périodiquement, chaque système de gestion collecte des données de consommation via les différents capteurs et stockent ces données dans leur support de mémorisation. La fréquence à laquelle les données sont collectées est déterminée par exemple par le fournisseur de services. En général, la consommation des équipements de fonctionnement relativement stable peuvent être échantillonnés moins fréquemment, par rapport à un équipement ayant de grandes variations de consommation.Periodically, each management system collects consumption data via the various sensors and stores this data in their storage medium. The frequency with which the data are collected is determined for example by the service provider. In general, relatively stable operation equipment consumption may be sampled less frequently, compared to equipment with large consumption variations.
Les données collectées peuvent être analysées localement par le système de gestion ou être transmis via une liaison de communication pour analyse par un serveur central du fournisseur de services. La liaison de communication peut par exemple être de type Internet et/ou inclure des connexions sans fil. Le serveur central appartient par exemple à un fournisseur d'énergie électrique et recueille les données de consommation électriques transmises depuis une pluralité de systèmes de gestion.The collected data can be analyzed locally by the management system or transmitted via a communication link for analysis by a central server of the service provider. The communication link may for example be of the Internet type and / or include wireless connections. The central server belongs for example to an electric power supplier and collects the electrical consumption data transmitted from a plurality of management systems.
Comme tout processus industriel de masse, la collecte des données est susceptible de subir toutes sortes d'aléas techniques le long de la chaîne de mesure et de remontée d'information. Les données pourraient ainsi contenir des valeurs manquantes. Ces données manquantes peuvent être assimilées à un problème de « non réponse » en sondages. Un traitement de cette non réponse sera nécessaire, afin d'une part de limiter au maximum la perte de précision due à l'absence de certaines données et d'autre part d'éviter les biais (c'est-à-dire les erreurs systématiques) sur l'estimation du total dus à d'éventuelles différences entre la population globale et les individus sans valeurs manquantes.Like any mass industrial process, data collection is susceptible to all kinds of technical hazards along the chain of measurement and feedback. The data could thus contain missing values. These missing data can be likened to a "no answer" problem in polls. A treatment of this non-response will be necessary, on the one hand to limit as much as possible the loss of precision due to the absence of certain data and on the other hand to avoid bias (ie errors systematic) on the estimation of the total due to possible differences between the global population and individuals without missing values.
Les méthodes existantes de correction d'une « non réponse » peuvent être classées en deux catégories ; d'une part les méthodes dites « statiques » et d'autre part les méthodes dites « dynamiques ».Existing methods of correcting a "no answer" can be classified into two categories; on the one hand so-called "static" methods and on the other hand so-called "dynamic" methods.
Les méthodes statiques, issues de la théorie des sondages, consistent à traiter la non réponse instant par instant à partir des autres individus présents au moment considéré et de l'information auxiliaire. La valeur manquante peut alors être imputée par régression, par le ratio, par la moyenne de classe, par le « hot-deck », accompagnée de méthodes de pondération. Ce sont les méthodes classiques utilisées en statistique d'enquête. Elles sont décrites par exemple dans l'ouvrage de
Les méthodes dynamiques, issues des séries temporelles, corrigent la valeur manquante à partir des consommations du même individu à d'autres dates. La valeur manquante peut alors être imputée par interpolation linéaire, lissage exponentiel, ou autre. Ces méthodes fournissent des courbes cohérentes au niveau individuel. Cependant, pour ces méthodes, les biais instantanés sur l'estimation du total ne sont pas nuls, et il n'existe pas d'estimateur explicite de la variance. La publication de
Toutes ces méthodes, statiques et dynamiques, ont l'inconvénient de laisser de côté une partie de l'information disponible (le reste de la courbe de l'individu pour les estimateurs statiques et la consommation des autres individus au même instant pour les méthodes dynamiques). En outre, il est à noter que, du seul fait de la quantité conséquente de données collectées à traiter, toutes ces méthodes sont préférentiellement, voire incontournablement, mises en oeuvre par ordinateur, que ce soit au niveau de chaque système de gestion ou au niveau du serveur central du fournisseur de services.All these methods, static and dynamic, have the disadvantage of leaving aside some of the information available (the rest of the curve of the individual for static estimators and the consumption of other individuals at the same time for dynamic methods ). In addition, it should be noted that, because of the large amount of data collected to be processed, all these methods are preferentially, if not inevitably, implemented by computer, whether at the level of each management system or at the level of the data collected. the central server of the service provider.
Il existe donc un besoin pour une méthode permettant d'imputer les valeurs manquantes, c'est-à-dire de remplacer chacune d'entre elles par une valeur « crédible » calculée à partir du reste de la base de données, de manière à obtenir la meilleure précision possible sur l'estimation du total.There is therefore a need for a method to impute missing values, that is, to replace each of them with a "credible" value calculated from the rest of the database, so as to obtain the best possible precision on the total estimate.
A cet effet, l'invention propose une méthode permettant de combiner un ou plusieurs estimateurs statiques et un ou plusieurs estimateurs dynamiques pour maximiser l'utilisation de l'information et donc améliorer la précision de l'estimateur final.For this purpose, the invention proposes a method for combining one or more static estimators and one or more dynamic estimators to maximize the use of the information and thus improve the accuracy of the final estimator.
Plus particulièrement, l'invention concerne un procédé de détermination d'une valeur manquante parmi des données collectées pour une pluralité d'individus à une pluralité d'instants, la valeur manquante étant associée à un individu i donné non répondant à un instant t donné, le procédé comprenant les étapes de :
- calcul d'un estimateur dynamique
- calcul d'un estimateur statique
- détermination d'un estimateur combiné
- calculating a dynamic estimator
- calculation of a static estimator
- determination of a combined estimator
La méthode selon l'invention permet ainsi avantageusement d'estimer au moins une valeur manquante parmi les valeurs collectées et d'obtenir ainsi un ensemble de valeurs comprenant à la fois les valeurs collectées et au moins une valeur estimée, donc un ensemble comprenant davantage d'informations à exploiter que l'ensemble de départ. La méthode selon l'invention trouve une application à la problématique spécifique des données de type séries temporelles collectées par échantillonnage. La méthode de l'invention présente une précision meilleure par rapport aux méthodes existantes puisque davantage d'informations sont exploitées simultanément. Notamment, la méthode selon l'invention n'introduit pas de biais, contrairement aux méthodes dynamiques connues.The method according to the invention thus advantageously makes it possible to estimate at least one missing value among the values collected and thus to obtain a set of values comprising both the values collected and at least one estimated value, thus a set comprising more than one value. 'information to exploit only the starting set. The method according to the invention finds an application to the specific problematic of time series type data collected by sampling. The method of the invention has a better accuracy compared to existing methods since more information is used simultaneously. In particular, the method according to the invention does not introduce bias, unlike known dynamic methods.
Selon un mode de réalisation, l'estimateur dynamique
La méthode selon l'invention s'adapte en fonction de la performance relative des estimateurs à chaque instant et pour chaque type de données manquantes : les méthodes statiques sont meilleures s'il y a peu d'individus manquants à une date donnée, tandis que les méthodes dynamiques sont meilleures pour les petits trous, ou bien si la valeur manquante considérée se trouve au bord du trou. La méthode selon l'invention permet d'adapter la combinaison à la situation, en donnant plus de poids à l'estimateur dynamique pour les petits trous que pour les gros trous par exemple. Selon un premier mode de mise en oeuvre, la détermination de l'estimateur combiné
Par exemple, le procédé peut comprendre les étapes de :
- pour chaque individu répondant à l'instant donné, calculs d'un estimateur dynamique
- détermination de coefficients de la combinaison linéaire à partir des individus répondants à l'instant donné, par régression linéaire des valeurs collectées yi',t à l'instant donné sur lesdits estimateurs statique
- détermination de l'estimateur combiné
- for each individual responding at the given moment, calculations of a dynamic estimator
- determining coefficients of the linear combination from the responding individuals at the given instant, by linear regression of the collected values y i ', t at the given instant on said static estimators
- determination of the combined estimator
On peut calculer simultanément des valeurs manquantes de plusieurs individus non répondants. Pour chaque individu répondant, on calcule alors des estimateurs dynamiques pour chaque configuration de valeurs manquantes ; puis, pour chaque configuration, on détermine les coefficients de la combinaison linéaire correspondants à la configuration de valeur manquante considérée.Missing values of several nonresponding individuals can be calculated simultaneously. For each responding individual, dynamic estimators are then calculated for each missing value configuration; then, for each configuration, the coefficients of the linear combination corresponding to the missing value configuration considered are determined.
Selon un autre exemple, le procédé peut comprendre les étapes de :
- pour chaque individu répondant à l'instant donné, calculs d'un estimateur dynamique
avec p̂i , la probabilité de réponse estimée de l'individu à l'instant donné, avec wi, le poids de sondage de l'individu, et
avec Ei, l'erreur entre l'estimateur ŷi',t et la valeur collectée yi',t pour ledit individu à l'instant donné ; - détermination d'un paramètre de combinaison ϕ c comme :
- détermination de l'estimateur combiné
- for each individual responding at the given moment, calculations of a dynamic estimator
with p i , the estimated probability of response of the individual at the given moment, with w i , the probing weight of the individual, and
with E i , the error between the estimator ŷ i ', t and the value collected y i', t for the said individual at the given moment; - determining a combination parameter φ c such as:
- determination of the combined estimator
De même, on peut calculer simultanément des valeurs manquantes de plusieurs individus non répondants. Pour chaque individu répondant, on calcule alors des estimateurs dynamiques pour chaque configuration de valeurs manquantes ; puis, pour chaque configuration, on détermine un paramètre de combinaison ϕ c correspondant à la configuration de valeur manquante considérée.Similarly, missing values of several nonresponding individuals can be calculated simultaneously. For each responding individual, dynamic estimators are then calculated for each missing value configuration; then, for each configuration, a combination parameter φ c corresponding to the missing value configuration considered is determined.
Selon un deuxième mode de mise en oeuvre, la détermination de l'estimateur combiné
Par exemple, le procédé peut comprendre les étapes de :
- pour chaque individu répondant à l'instant donné, calcul d'un estimateur dynamique
- détermination de l'estimateur combiné
- for each individual responding at the given moment, calculating a dynamic estimator
- determination of the combined estimator
De même, on peut calculer simultanément des valeurs manquantes de plusieurs individus non répondants. Pour chaque individu répondant, on calcule alors des estimateurs dynamiques pour chaque configuration de valeurs manquantes ; puis, pour chaque configuration, on détermine l'estimateur combiné à partir de l'estimateur dynamique et d'une relation estimée pour chaque configuration de valeur manquante considérée.Similarly, missing values of several nonresponding individuals can be calculated simultaneously. For each responding individual, dynamic estimators are then calculated for each missing value configuration; then, for each configuration, the combined estimator is determined from the dynamic estimator and an estimated relationship for each missing value configuration considered.
Selon un autre exemple, le procédé peut comprendre les étapes de :
- pour chaque individu répondant à l'instant donné, calcul d'un estimateur dynamique
- comparaison de l'estimateur dynamique
- détermination de l'estimateur combiné
- for each individual responding at the given moment, calculating a dynamic estimator
- comparison of the dynamic estimator
- determination of the combined estimator
De même, on peut calculer simultanément des valeurs manquantes de plusieurs individus non répondants. Pour chaque individu répondant, on calcule alors des estimateurs dynamiques pour chaque configuration de valeurs manquantes ; puis, pour chaque configuration, on compare l'estimateur dynamique de l'individu non répondant avec chaque estimateur dynamique des individus répondants pour chaque configuration de valeur manquante considérée.Similarly, missing values of several nonresponding individuals can be calculated simultaneously. For each responding individual, dynamic estimators are then calculated for each missing value configuration; then, for each configuration, we compare the dynamic estimator of the non-responding individual with each dynamic estimator of the responding individuals for each missing value configuration considered.
Selon une application du procédé, les données collectées sont des données de consommation électrique.According to one application of the method, the data collected is electrical consumption data.
D'autres caractéristiques et avantages de l'invention apparaîtront à la lecture de la description détaillée ci-après, et des figures annexées qui représentent :
-
figure 1 , une illustration d'une « non réponse » d'un individu donné à un instant donné parmi un ensemble de valeurs collectées ; -
figure 2 , des schémas illustrant la détermination d'un estimateur combiné selon l'invention pour une première configuration de données manquantes ; -
figure 3 , des schémas illustrant la détermination d'un estimateur combiné selon l'invention pour une deuxième configuration de données manquantes.
-
figure 1 , an illustration of a "no answer" of a given individual at a given moment among a set of values collected; -
figure 2 diagrams illustrating the determination of a combined estimator according to the invention for a first configuration of missing data; -
figure 3 , diagrams illustrating the determination of a combined estimator according to the invention for a second configuration of missing data.
L'invention propose un procédé de détermination d'une valeur manquante avec un estimateur combiné à partir d'un estimateur statique et d'un estimateur dynamique.The invention provides a method of determining a missing value with a combined estimator from a static estimator and a dynamic estimator.
La
La présente invention recherche la combinaison optimale d'un ou plusieurs estimateurs statiques et d'un ou plusieurs estimateurs dynamiques.The present invention seeks the optimal combination of one or more static estimators and one or more dynamic estimators.
Selon un premier mode de mise en oeuvre, des méthodes dites « additives » sont considérées. On évalue la performance des différents estimateurs en recréant des trous sur les individus présents, et on définit l'estimateur combiné comme une combinaison linéaire des différents estimateurs dont les coefficients dépendent des performances constatées sur les individus présent, avec éventuellement une constante destinée à éliminer le biais induit par l'utilisation d'estimateurs dynamiques.According to a first mode of implementation, so-called "additive" methods are considered. The performance of the different estimators is evaluated by recreating holes on the individuals present, and the combined estimator is defined as a linear combination of the different estimators whose coefficients depend on the performances observed on the individuals present, with possibly a constant intended to eliminate the bias induced by the use of dynamic estimators.
Selon un deuxième mode de mise en oeuvre des méthodes dites « séquentielles » sont considérées. L'imputation dynamique est utilisée en entrée d'une méthode statique d'imputation. Les rôles des méthodes ne sont plus symétriques puisqu'on utilise un estimateur après l'autre.According to a second embodiment of so-called "sequential" methods are considered. Dynamic imputation is used as input to a static imputation method. The roles of the methods are no longer symmetrical since one estimator is used after another.
Quelle que soit la méthode retenue, la recherche de la combinaison optimale se fait séparément pour chaque triplet (horodate, classe d'imputation, configuration). En outre, lorsque l'imputation dynamique risque de donner de trop mauvais résultats (pour les courbes trop incomplètes ou encore les séries trop longues de valeurs manquantes), on utilisera l'estimateur statique au lieu d'un estimateur combiné.Whichever method is chosen, the search for the optimal combination is done separately for each triplet (time stamp, imputation class, configuration). In addition, when dynamic imputation is likely to give too poor results (for too incomplete curves or too long series of missing values), the static estimator will be used instead of a combined estimator.
Les
Dans toute la suite, nous appellerons « configuration de non réponse », ou plus simplement « configuration » d'une valeur manquante la longueur de la série de valeurs manquantes à laquelle elle appartient ainsi que sa position dans cette série. Ces configurations peuvent être regroupées pour limiter les calculs. Par exemple, une configuration peut être constituée des trous de longueur 1, une autre des trous de longueur 2, une autre des valeurs « proches des bords » (4 premiers manquants par exemple) dans des trous de longueur 10 à 20, une autre des valeurs « du milieu » des trous de longueur 10 à 20. Deux valeurs manquantes d'une même série n'appartiendront donc pas forcément à la même configuration : si le trou est relativement long, on séparera bien les valeurs manquantes proches du bord des valeurs manquantes de milieu de trou pour lesquelles l'incertitude est beaucoup plus grande. Le fait de tenir compte de la configuration de la valeur manquante lors de la détermination de la combinaison optimale des estimateurs permet de favoriser un estimateur par rapport à l'autre selon que le trou de valeurs manquantes est gros ou petit. Par exemple, les estimateurs dynamiques seront moins précis sur les gros trous que sur les petits trous, et au milieu du trou que sur les bords, alors que la précision des estimateurs statiques ne dépend pas de la configuration puisqu'on travaille séparément instant par instant (en revanche, elle dépend du taux de valeurs manquantes à l'instant considéré).In the following, we will call "configuration of no answer", or more simply "configuration" of a missing value the length of the series of missing values to which it belongs as well as its position in this series. These configurations can be grouped to limit calculations. For example, a configuration may consist of holes of
En outre, chaque individu de l'échantillon considéré est contenu dans une classe d'imputation k. Les classes d'imputation sont homogènes et constituées au préalable. Par exemple, dans une application à la collecte de données relatives aux courbes de charge de consommation électrique, une classe d'imputation donnée contient des individus qui se ressemblent en termes de consommation (niveau, thermosensibilité,...) et de probabilité de non réponse.In addition, each individual of the sample considered is contained in an imputation class k. The imputation classes are homogeneous and previously constituted. For example, in an application to the collection of data relating to electric consumption load curves, a given imputation class contains individuals that are similar in terms of consumption (level, temperature sensitivity, ...) and probability of non-consumption. reply.
Quatre méthodes vont maintenant être décrites en détails. Il est entendu que ces méthodes ne sont pas limitatives. Les méthodes décrites sont destinée à traiter une non réponse partielle (individus dont certaines valeurs sont présentes et certaines manquantes) et pas une non réponse totale (individus pour lesquelles toutes les valeurs sont manquantes). Pour les points manquants issus d'une courbe individuelle possédant trop de valeurs manquantes et/ou compris dans une série de valeurs manquantes trop longue (ces deux cas étant définis par des seuils fixés par l'utilisateur), l'estimateur combiné sera remplacé par l'estimateur statique.Four methods will now be described in detail. It is understood that these methods are not limiting. The methods described are intended to treat a partial nonresponse (individuals whose values are present and some missing) and not a total nonresponse (individuals for whom all the values are missing). For missing points resulting from an individual curve with too many missing values and / or included in a series of missing values that are too long (both cases are defined by thresholds set by the user), the combined estimator will be replaced by the static estimator.
Dans la suite, on utilisera les notations suivantes :
- Les individus sont indicés par i. Ils sont N dans la population et n dans l'échantillon, i.e. les individus dont on collecte les données.
- Les horodates sont indicées par t allant de 1 à T.
- Pour un individu i, on notera wi son poids de sondage (constant au cours du temps et égal à l'inverse de sa probabilité d'inclusion dans l'échantillon), yit sa consommation à l'instant t, ait son indicatrice de présence à l'instant t (qui
vaut 1 ssi la donnée yit est connue et qui vaut 0 si la donnée yit est manquante). - On notera
Cet estimateur est dépendant de la configuration de la série de valeurs manquantes considérée, c'est pourquoi on parle en fait de - On notera
Cet estimateur ne dépend pas de la configuration de valeurs manquantes puisqu'il est déterminé indépendamment instant par instant. Cet estimateur statique dépend de la classe d'imputation k de l'individu non répondant, c'est-à-dire que les individus répondants de sa classe d'imputation seront considérés. - On notera
- Les classes d'imputation k seront indicées de 1 à K. Dans une optique de cohérence, elles seront les mêmes pour les prévisions statiques que pour les combinaisons. Les classes de non réponse (qui potentiellement peuvent être les mêmes) seront indicées de 1 à L.
- Individuals are indexed by i. They are N in the population and n in the sample, ie the individuals whose data are collected.
- The timestamps are indexed by t ranging from 1 to T.
- For an individual i, it is noted w i its design weight (constant over time and equal to the inverse of the probability of inclusion in the sample), it is consumption at the instant t, it has its presence indicator at time t (which is worth 1 if the data y it is known and which is worth 0 if the data y it is missing).
- We will note
This estimator is dependent on the configuration of the set of missing values considered, so we are talking about - We will note
This estimator does not depend on the configuration of missing values since it is determined independently instant by moment. This static estimator depends on the imputation class k of the nonrespondent individual, ie the responding individuals in its imputation class will be considered. - We will note
- The imputation classes k will be indexed from 1 to K. For the sake of consistency, they will be the same for static forecasts as for combinations. Nonresponse classes (which can potentially be the same) will be indexed from 1 to L.
Selon ce mode de réalisation, l'estimateur combinée de la valeur manquante sera une combinaison linéaire d'un (ou plusieurs) estimateurs dynamiques et d'un (ou plusieurs) estimateurs statiques.According to this embodiment, the combined estimator of the missing value will be a linear combination of one (or more) dynamic estimators and one (or more) static estimators.
Pour trouver les coefficients de la combinaison linéaire, on va utiliser les coefficients de la régression linéaire de la vraie valeur sur les valeurs prédites par les différents estimateurs statiques et dynamiques, séparément pour chaque triplet (configuration de non réponse, date, classe d'imputation). Cette régression comportera une constante, qui permettra d'absorber le biais induit par le modèle individuel dynamique à l'instant t. La combinaison se fera séparément pour chacune des classes d'imputation.To find the coefficients of the linear combination, one will use the coefficients of the linear regression of the true value on the values predicted by the different static and dynamic estimators, separately for each triplet (configuration of nonresponse, date, class of imputation ). This regression will include a constant, which will absorb the bias induced by the dynamic individual model at time t. The combination will be done separately for each imputation class.
Le modèle peut être le suivant :
Le modèle peut être estimé par « Moindres Carrés Ordinaires » séparément pour chaque triplet (date, classe, configuration de non réponse). L'estimateur statique reste le même pour toutes les configurations puisqu'il est calculé instant par instant sans tenir compte du reste de la courbe, mais l'estimateur dynamique change puisque, selon la configuration de non réponse, les données disponibles de la courbe ne sont pas les mêmes.The model can be estimated by "Least Ordinary Squares" separately for each triplet (date, class, nonresponse configuration). The static estimator remains the same for all the configurations since it is calculated instant by moment without taking into account the rest of the curve, but the dynamic estimator changes since, according to the non-response configuration, the available data of the curve are not the same.
L'estimateur combiné d'une valeur manquante pour un individu i à l'instant t sera alors donné par :
La mise en oeuvre de cette méthode peut être la suivante.The implementation of this method can be the following.
Pour un individu i non répondant à l'instant t, effectuer au moins une estimation statique
Pour chaque individu i' répondant au même instant t, calculer au moins un estimateur statique
Sur l'ensemble des individus i' répondants à l'instant t, séparément pour chaque triplet (instant ; classe ; configuration), on régresse la vraie valeur yi',t à l'instant donné, (i.e. la valeur collectée de l'individu i' répondant à l'instant t) sur les valeurs des estimateurs
On peut alors attribuer un jeu de coefficient a, s, d approprié aux estimateurs statiques
S'il n'est pas possible de trouver le jeu de coefficient pour un triplet (instant ; classe ; configuration), par exemple si tous les individus d'une même classe sont manquants simultanément, on utilise le modèle estimé sur le duo (instant ; configuration). Si c'est encore impossible, on peut utiliser le modèle sur tous les instants et toutes classes pour la configuration. Si jamais l'estimateur dynamique ne peut pas être calculé pour une date donnée (par exemple dans le cas du premier et/ou du dernier instant qui ne peuvent pas être corrigés par interpolation linéaire), on utilisera simplement l'estimateur statique.If it is not possible to find the coefficient set for a triplet (instant, class, configuration), for example if all the individuals of the same class are missing simultaneously, we use the estimated model on the duet (instant configuration). If it is still impossible, we can use the model on all instants and all classes for the configuration. If the dynamic estimator can never be calculated for a given date (for example, in the case of the first and / or last moment that can not be corrected by linear interpolation), we will simply use the static estimator.
Selon ce mode de réalisation, l'estimateur combinée de la valeur manquante sera également une combinaison linéaire d'un (ou plusieurs) estimateurs dynamiques et d'un (ou plusieurs) estimateurs statiques.According to this embodiment, the combined missing value estimator will also be a linear combination of one (or more) dynamic estimators and one (or more) static estimators.
Cette méthode est proche de la précédente, puisqu'il s'agit toujours de trouver une combinaison linéaire des estimateurs statiques et dynamiques qui soit optimale. Selon ce deuxième mode de réalisation cependant, on va choisir un critère d'optimalité fondé sur la performance des estimateurs au niveau agrégé et non plus individuel car, dans le cadre d'une reconstitution des flux par exemple, l'objectif principal sera avant tout d'obtenir la meilleure estimation possible du total et non pas la meilleure prédiction individuelle.This method is close to the previous one, since it is always a question of finding a linear combination of the static and dynamic estimators which is optimal. According to this second embodiment, however, we will choose an optimality criterion based on the performance of the estimators at the aggregated level and no longer individually because, in the context of a reconstitution of the flows, for example, the main objective will be above all to obtain the best possible estimate of the total and not the best individual prediction.
Pour chaque instant t et chaque configuration c de non réponse, on va chercher le paramètre de combinaison ϕ t,c compris entre 0 et 1 tel que la prévision combinée
ait la meilleure performance possible au niveau collectif.For each instant t and each configuration c of no response, we will look for the combination parameter φ t, c between 0 and 1 such that the combined forecast
have the best possible performance at the collective level.
On calcule ainsi la perte L(ŷ) de chaque estimateur, statique et dynamique, comme :
avec p̂i, la probabilité de réponse estimée de l'individu à l'instant donné (t), avec wi, le poids de sondage de l'individu, et
avec Ei, l'erreur entre l'estimateur ŷi',t et la valeur collectée yi',t pour ledit individu répondant à l'instant donné.We calculate the loss L ( ŷ ) of each estimator, static and dynamic, as:
with p i , the estimated probability of response of the individual at the given instant (t), with w i , the probing weight of the individual, and
with E i , the error between the estimator ŷ i ', t and the value collected y i', t for said individual responding to the given instant.
L'estimateur est d'autant meilleur que la perte est faible, et de plus, le critère tient compte des poids de sondage et des probabilités de non réponse.The estimator is all the better if the loss is small, and moreover, the criterion takes into account the survey weights and the probabilities of non-response.
On détermine alors un paramètre de combinaison ϕ comme :
Ce paramètre exprime que plus la perte de l'estimateur dynamique sera forte par rapport à celle l'estimateur statique, plus le poids de l'estimateur statique sera fort.This parameter expresses that the greater the loss of the dynamic estimator compared to the static estimator, the greater the weight of the static estimator.
L'estimateur combiné
L'estimateur combiné obtenu selon ce mode de réalisation ne sera pas sans biais car la combinaison d'estimateurs ne comporte pas de constante, le biais de l'estimation dynamique n'est donc pas corrigé. Ce biais sera cependant atténué par la combinaison linéaire, d'autant plus que, s'il est important, on peut penser que la perte de l'estimateur dynamique sera importante et donc son coefficient faible.The combined estimator obtained according to this embodiment will not be unbiased because the combination of estimators does not have a constant, the bias of the dynamic estimate is therefore not corrected. However, this bias will be attenuated by the linear combination, especially since, if it is important, one can think that the loss of the dynamic estimator will be important and therefore its low coefficient.
Les premier et deuxième modes de réalisation décrits ci-dessus donnaient un rôle symétrique aux estimateurs statiques et dynamiques. Les troisième et quatrième modes de réalisation décrits ci-dessous proposent de réaliser les estimations séquentiellement plutôt que simultanément.The first and second embodiments described above gave a symmetrical role to the static and dynamic estimators. The third and fourth embodiments described below provide for making the estimates sequentially rather than simultaneously.
On part du constat que l'estimateur dynamique contient une information très riche sur l'individu et fournit une bonne prévision de la consommation. L'information statique peut alors intervenir en complément de cette estimation dynamique, permettant de l'affiner en prenant en compte la spécificité de l'instant et en particulier de supprimer les biais instantanés non captés par les modèles dynamiques.We start from the observation that the dynamic estimator contains very rich information on the individual and provides a good forecast of consumption. The static information can then be used in addition to this dynamic estimate, allowing to refine it by taking into account the specificity of the moment and in particular to eliminate the instantaneous biases not captured by the dynamic models.
Pour ce faire, à chaque instant (et pour chaque configuration de non réponse), on va modéliser le lien entre les estimations dynamiques et les vraies valeurs des individus (c'est-à-dire modéliser l'erreur commise par l'estimateur dynamique) pour tenter de supprimer son biais.To do this, at each moment (and for each non-response configuration), we will model the link between the dynamic estimates and the real values of the individuals (that is to say, model the error made by the dynamic estimator ) to try to suppress its bias.
On postule une relation linéaire entre l'estimateur dynamique et la vraie valeur pour chaque individu i, par instant t, classe et configuration de valeur manquante. :
avec ε i suivant un bruit blanc.We postulate a linear relation between the dynamic estimator and the true value for each individual i, by instant t, class and configuration of missing value. :
with ε i following a white noise.
On pourrait complexifier ce modèle en rajoutant d'autres variables explicatives que la prédiction dynamique dans la régression, par exemple le niveau de consommation sur la période précédente.This model could be made more complex by adding other explanatory variables than the dynamic prediction in the regression, for example the level of consumption over the previous period.
La mise en oeuvre de cette méthode peut être la suivante.The implementation of this method can be the following.
Pour chaque individu i' répondant à l'instant t, dans la même classe d'imputation que l'individu i non répondant que pour lequel on recherche un estimateur combiné, on calcule, dans chaque configuration de valeur manquante, les estimateurs dynamiques
Puis, instant par instant, on utilise les estimations dynamiques d'un individu non répondant comme entrée de l'estimateur statique pour déterminer l'estimateur combiné selon la relation linéaire (5) et des coefficients déterminés par régression. La gestion des exceptions est la même que celle décrite en référence au premier mode de réalisation.Then, moment by moment, the dynamic estimates of a non-responding individual are used as the input of the static estimator to determine the combined estimator according to the linear relationship (5) and coefficients determined by regression. Exception handling is the same as that described with reference to the first embodiment.
On présente maintenant une variante non paramétrique du troisième mode de réalisation. On suppose toujours que, pour chaque configuration de valeur manquante, il existe une relation, constante classe par classe, entre la vraie valeur yi pour un individu i et l'estimateur dynamique
Instant par instant, lorsqu'une consommation est manquante pour un individu i, on va la remplacer par celle yi',t de l'individu i' répondant de sa classe qui lui ressemble le plus sur un critère donné, appelé plus proche voisin. Ici, le critère de proximité sera la prévision dynamique pour la configuration de non réponse étudiée.Instant by moment, when a consumption is missing for an individual i, we will replace it by that y ', t of the individual i' respondent of his class which resembles him the most on a given criterion, called nearest neighbor . Here, the proximity criterion will be the dynamic forecast for the nonresponse configuration studied.
On cherche l'individu i' répondant qui, pour la configuration c de la valeur manquante considérée, présente un estimateur dynamique
Les méthodes décrites ci-dessus ne sont pas limitatives. Notamment, plusieurs estimateurs statiques et/ou dynamiques peuvent être pris en compte simultanément lors de la détermination d'un estimateur combiné pour un individu non répondant à un instant donné. De plus, d'autres variables peuvent être incorporées dans les modèles en compléments des estimateurs dynamiques et statiques. L'invention trouve notamment à s'appliquer dans le cadre de données manquantes dans des séries temporelles collectées par échantillonnage.The methods described above are not limiting. In particular, several static and / or dynamic estimators can be taken into account simultaneously when determining a combined estimator for a nonresponsive individual at a given time. In addition, other variables can be incorporated into the models as complements to dynamic and static estimators. The invention is particularly applicable in the context of missing data in time series collected by sampling.
Claims (10)
avec p̂i , la probabilité de réponse estimée de l'individu à l'instant donné (t), avec wi, le poids de sondage de l'individu, et
avec Ei, l'erreur entre l'estimateur ŷi',t et la valeur collectée yi,t pour ledit individu à l'instant donné ;
with p i , the estimated probability of response of the individual at the given instant (t), with w i , the probing weight of the individual, and
with E i , the error between the estimator ŷ i ', t and the value collected y i, t for said individual at the given moment;
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1256016A FR2992428B1 (en) | 2012-06-25 | 2012-06-25 | METHOD OF DETERMINING A MISSING VALUE AMONG DATA COLLECTED FOR A PLURALITY OF INDIVIDUALS TO A PLURALITY OF MOMENTS |
Publications (2)
Publication Number | Publication Date |
---|---|
EP2680158A2 true EP2680158A2 (en) | 2014-01-01 |
EP2680158A3 EP2680158A3 (en) | 2015-01-07 |
Family
ID=47227903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
EP13170953.7A Withdrawn EP2680158A3 (en) | 2012-06-25 | 2013-06-06 | Method for determining a missing value among data collected for a plurality of individuals at a plurality of times |
Country Status (2)
Country | Link |
---|---|
EP (1) | EP2680158A3 (en) |
FR (1) | FR2992428B1 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9684872B2 (en) | 2014-06-25 | 2017-06-20 | International Business Machines Corporation | Method and apparatus for generating data in a missing segment of a time data sequence |
CN112199362A (en) * | 2020-10-14 | 2021-01-08 | 北京理工大学 | Filling method and system for database data loss under MES background |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6862540B1 (en) * | 2003-03-25 | 2005-03-01 | Johnson Controls Technology Company | System and method for filling gaps of missing data using source specified data |
-
2012
- 2012-06-25 FR FR1256016A patent/FR2992428B1/en active Active
-
2013
- 2013-06-06 EP EP13170953.7A patent/EP2680158A3/en not_active Withdrawn
Non-Patent Citations (3)
Title |
---|
F.X. DIEBOLD: "Serial corrélation and the combination of forecasts", JOURNAL OF BUSINESS AND ECONOMIC STATISTICS, vol. 6, 1988, pages 105 - 111 |
P. ARDILLY: "Techniques de sondages", 2006 |
R.T. CLEMEN: "Combining forecasts: A review and annotated bibliography", INTERNATIONAL JOURNAL OF FORECASTING, 1989, pages 559 - 583 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9684872B2 (en) | 2014-06-25 | 2017-06-20 | International Business Machines Corporation | Method and apparatus for generating data in a missing segment of a time data sequence |
CN112199362A (en) * | 2020-10-14 | 2021-01-08 | 北京理工大学 | Filling method and system for database data loss under MES background |
Also Published As
Publication number | Publication date |
---|---|
FR2992428B1 (en) | 2014-07-18 |
FR2992428A1 (en) | 2013-12-27 |
EP2680158A3 (en) | 2015-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Garcia-Gavilanes et al. | Weighted content based methods for recommending connections in online social networks | |
FR2867584A1 (en) | Internet user behavioral profile determining method, involves determining probability that user to be identified presents given attribute as combination of non-correlated and correlated probability values | |
US20160078148A1 (en) | Estimating similarity of nodes using all-distances sketches | |
US20140067817A1 (en) | Methods and systems for recommending social network connections | |
CN107516279A (en) | A kind of method of network public-opinion automatic early-warning | |
EP3343839A1 (en) | Mechanism for monitoring and alerts of computer system applications | |
EP3688458A1 (en) | Improved detection and characterization of anomalies in a continuum of water | |
EP2785553B1 (en) | Method for estimating the energy consumption of a motor vehicle | |
EP2680158A2 (en) | Method for determining a missing value among data collected for a plurality of individuals at a plurality of times | |
WO2014096702A1 (en) | Locating of one or more defects in an electrochemical assembly | |
EP3557714A1 (en) | Method for associating each counter of a plurality of counters at a triphase departure of a transformer, method of determining the topology of a network and associated device | |
Östberg et al. | Benefit Transfer for Environmental Improvements in Coastal Areas: General versus Best‐Fitting Models | |
WO2019063648A1 (en) | Improved detection and characterization of anomalies in a continuum of water | |
EP2513827A1 (en) | Method and device for determining a risk of graft rejection | |
EP3343371B1 (en) | Device and method for monitoring and allocating resources of it infrastructures | |
EP2667208B1 (en) | Electronic integrated sensor system, method of estimating the value of a functional physical quantity and a corresponding computer program | |
Andres et al. | Overcoming missing data bias in water utility indicators by using nested balanced panels | |
FR2949157A1 (en) | PROCESS FOR APPROXIMATING WEATHER VARIABLES | |
EP3265915B1 (en) | Simulation device | |
Garbinti et al. | Les justifications empiriques de la compensation financière après divorce | |
WO2019086782A1 (en) | Method, device and program for composing an ordered list of recommended elements | |
FR3020484A1 (en) | ESTIMATING THE ENERGY CONSUMPTION OF A FACILITY | |
FR3104294A1 (en) | Method of forecasting a physical quantity of interest, associated management method and device | |
FR3107955A1 (en) | Detection of an abnormal metrological drift of a fluid meter | |
Petrovic et al. | A new statistical approach to estimate global file populations in the eDonkey P2P file sharing system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PUAI | Public reference made under article 153(3) epc to a published international application that has entered the european phase |
Free format text: ORIGINAL CODE: 0009012 |
|
AK | Designated contracting states |
Kind code of ref document: A2 Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR |
|
AX | Request for extension of the european patent |
Extension state: BA ME |
|
PUAL | Search report despatched |
Free format text: ORIGINAL CODE: 0009013 |
|
AK | Designated contracting states |
Kind code of ref document: A3 Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR |
|
AX | Request for extension of the european patent |
Extension state: BA ME |
|
RIC1 | Information provided on ipc code assigned before grant |
Ipc: G06F 17/18 20060101AFI20141201BHEP Ipc: H04Q 9/00 20060101ALI20141201BHEP |
|
17P | Request for examination filed |
Effective date: 20150706 |
|
RBV | Designated contracting states (corrected) |
Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR |
|
STAA | Information on the status of an ep patent application or granted ep patent |
Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN |
|
18D | Application deemed to be withdrawn |
Effective date: 20190103 |